CN103001688B - 异构网络中确定时域空白子帧密度的方法及装置 - Google Patents

Abstract

本发明提出了一种在异构网络中确定时域空白子帧密度的技术方案，所述异构网络包括至少一个宏基站和至少一个微基站，该方法包括以下步骤：对于给定的可能的空白子帧密度值，获取在各个空白子帧密度值的情形下，各个宏蜂窝效用函数值，所述宏蜂窝效用函数是空白子帧密度的函数；对于给定的可能的空白子帧密度值，获取在各个空白子帧密度值的情形下，各个微基站的微蜂窝效用函数值，所述微蜂窝效用函数是空白子帧密度的函数；确定使得各个微蜂窝效用函数与各个宏蜂窝效用函数之和取值最大的那个空白子帧密度值为最优空白子帧密度值。

Description

异构网络中确定时域空白子帧密度的方法及装置

技术领域

本发明涉及异构网络，尤其涉及异构网络中确定时域空白子帧密度的方法及装置。

背景技术

异构网络(Heterogeneous Networks，HetNets)，借助于各种类型、不同发射功率的基站的混合部署，通过蜂窝分裂增益来提高区域频谱效率。正因为此，在同频部署的异构网络中，不论是控制信号还是业务数据的传输都需面对极具挑战性的信道环境。举例来看，在图1所示的宏基站(Macro eNB，MeNB)和室外低功率微基站(PicoeNB，PeNB)的场景中，微基站下的用户由于同处于宏基站的覆盖范围内，不可避免地受到来自于宏基站的干扰，这在微基站采用基于覆盖扩展的小区归属选择时尤为明显(在宏蜂窝覆盖区域内部署微基站时，通过在传统的基于导频接收功率(RSRP)的小区选择判决准则中引入一个特定的偏差值(bias)来使更多的原本应接入宏基站的用户转而接入到微基站中，可以增加微基站服务的用户数目从而达到平衡业务负载和改善用户体验的目的)。类似地，在宏基站和采用封闭用户组模式(closed-subscriber-group，CSG)的家庭基站的部署场景中，那些距离家庭基站较近但又不具有家庭基站接入资格的宏用户会受到来自于家庭基站的严重干扰。于是，对于异构网络而言，小区间干扰协调(inter-cell-interference-coodination，ICIC)就显得尤为重要。

基本的小区间干扰协调技术通常需要在相互干扰的基站间进行资源协调，也就是说，某个基站通过释放一些资源给邻近基站，使得受其严重干扰的邻近基站服务的用户得以正常工作。在3GPP LTE的框架下，这样的资源协调可以在频域或时域进行。相应的频域方法被称作基于载波聚合(carrier-aggregation，CA)的ICIC，而时域方法被称作非CA的ICIC。在3GPP Rel-10标准的增强型时域ICIC方法中，采用空白子帧机制来为受干扰用户预留时域资源。如图2所示，宏基站仅工作在一半的时间上，在另一半子帧里保持静默，而微基站可以占用全部子帧。这样，微基站可以将其受干扰用户调度在宏基站的空白子帧里面进行服务，从而消除宏基站对这些用户的强干扰。

显然地，基于空白子帧的ICIC方法的性能取决于空白子帧的配置。概括而言，基于空白子帧的ICIC方法可以分为异步式和同步式两种。在同步空白子帧的配置中，对于某个被干扰的基站而言，其相邻基站均采用相同配置的空白子帧；而在异步空白子帧的配置中，对于某个被干扰的基站而言，其相邻基站可以采用不同的配置的空白子帧。空白子帧的配置，包括空白子帧的密度(及数目与周期之比)和在给定密度下的空白子帧图样(即位置)。目前，不管是异步还是同步空白子帧模式，都还缺乏有效的技术手段来指导空白子帧的配置。所幸的是，文献R1-100142，“System Performance ofHeterogeneous Networks with Range Expansion，”Samsung，RAN1 59bis，Jan 2010指出，相比于同步空白子帧模式，虽然异步空白子帧模式更为灵活，但随之而来的是干扰变化的不规则、用户测量和反馈的困难、信令交互的复杂等不利因素，这些实际客观因素的存在造成了异步模式下的小区分裂增益反而会小于同步模式下的小区分裂增益。基于这样的观察和结论，空白子帧的配置可以更多的关注同步模式下的配置方法。而同步空白子帧的配置中，最为重要的因素就是空白子帧密度的确定，进一步的取决于受到强干扰的基站的数目以及需要空白子帧保护的受干扰用户的数目。

目前该问题仅限于3GPP标准范畴内讨论，尚未有明确的解决方案。对于受干扰用户的确定，一般采用大尺度接收信干噪比或信号接收功率与干扰功率之差来作为判定准则。例如，将接收信干噪比低于某一阈值的用户终端归为受干扰用户终端，在空白子帧对其进行服务；而将其它用户终端视作正常用终端户，调度在非空白子帧。对于空白子帧的配置，也仅限于针对特定场景的由仿真或经验得出的固定的密度和图样。显然，这些固定的受干扰用户终端的选择方法和空白子帧的配置没有考虑系统级的性能需求，也无法自适应于变化的网络环境。

发明内容

基于以上背景，针对同步空白子帧模式，本发明给出了确定最优空白子帧密度的方法及装置，并提出了一种在微蜂窝中区分干扰用户终端(或称之为“用户”)的技术方案。

根据本发明的一个具体实施例，提供了一种在异构网络中确定时域空白子帧密度的方法，所述异构网络包括至少一个宏基站和至少一个微基站，该方法包括以下步骤：对于给定的可能的空白子帧密度值，获取在各个空白子帧密度值的情形下，各个宏蜂窝效用函数值，所述宏蜂窝效用函数是空白子帧密度的函数；对于给定的可能的空白子帧密度值，获取在各个空白子帧密度值的情形下，各个微基站的微蜂窝效用函数值，所述微蜂窝效用函数是空白子帧密度的函数；确定使得各个微蜂窝效用函数与各个宏蜂窝效用函数之和取值最大的那个空白子帧密度值为最优空白子帧密度值。

根据本发明的另一个具体实施例，提供了一种在异构网络的微基站中确定微蜂窝效用函数的方法，所述异构网络包括至少一个宏基站和至少一个微基站，对每个微基站i，根据以下公式来确定微蜂窝效用函数： $U_i^P\left(\mathrm{\α}\right)=(\log (1-\mathrm{\α})\×N_{P^{+}\mathrm{UE}}^i+U_i^{P+})+(\log \mathrm{\α}\×N_{P^{-}\mathrm{UE}}^i+U_i^{P-}),$ 其中，α为空白子帧密度；为微蜂窝i中在非空白子帧时服务的用户终端数目；为微蜂窝i中在空白子帧时服务的用户终端数目，也即受干扰的用户终端数目；为非空白子帧时微蜂窝i的效用函数，为用户终端m的统计期望服务速率，为比例公平调度所产生的多用户分集增益；为用户终端m所属的微基站到用户终端m的平均链路速率；为空白子帧时受干扰微蜂窝i的效用函数；为用户终端n的统计期望服务速率；为比例公平调度所产生的多用户分集增益；为用户终端n所属的微基站到用户终端n的平均链路速率。

根据本发明的又一实施例，提供了一种在异构网络的网络设备中确定时域空白子帧密度的装置，所述异构网络包括至少一个宏基站和至少一个微基站，该装置包括：第一获取装置，用于获取对于给定的可能的空白子帧密度值，获取在各个空白子帧密度值的情形下，各个宏蜂窝效用函数值，所述宏蜂窝效用函数是空白子帧密度的函数；第二获取装置，用于对于给定的可能的空白子帧密度值，获取在各个空白子帧密度值的情形下，各个微基站的微蜂窝效用函数值，所述微蜂窝效用函数是空白子帧密度的函数；最优确定装置，用于确定使得各个微蜂窝效用函数与各个宏蜂窝效用函数之和取值最大的那个空白子帧密度值为最优空白子帧密度值。

根据本发明的再一实施例，提供了一种在异构网络的微基站中确定微蜂窝效用函数的装置，所述异构网络包括至少一个宏基站和至少一个微基站，该装置包括第一确定装置，用于对每个微基站i，根据以下公式来确定微蜂窝效用函数：

$U_i^P\left(\mathrm{\α}\right)=(\log (1-\mathrm{\α})\×N_{P^{+}\mathrm{UE}}^i+U_i^{P+})+(\log \mathrm{\α}\×N_{P^{-}\mathrm{UE}}^i+U_i^{P-}),$ 其中，α为空白子帧密度；为微蜂窝i中在非空白子帧时服务的用户终端数目；为微蜂窝i中在空白子帧时服务的用户终端数目，也即受干扰的用户终端数目；为非空白子帧时微蜂窝i的效用函数，为用户终端m的统计期望服务速率，为比例公平调度所产生的多用户分集增益；为用户终端m所属的微基站到用户终端m的平均链路速率；为空白子帧时受干扰微蜂窝i的效用函数；为用户终端n的统计期望服务速率；为比例公平调度所产生的多用户分集增益；为用户终端n所属的微基站到用户终端n的平均链路速率。

通过本发明的方法和装置，本发明所给出的技术方案填补了在小区间时域干扰协调上缺乏有效的空白子帧的配置方法的空白，使得空白子帧的配置有章可循。所提出的空白子帧配置方法基于对网络效用函数的最大化，于是，所得出的配置结果能够体现网络吞吐性能的优化，在采用比例公平调度时还能够保证用户终端之间的服务公平性。另外，本发明同时给出了如何区分受干扰用户终端和正常用户终端的技术方案。该技术方案基于被干扰蜂窝自身的效用函数，对于任意给定的空白子帧密度，被干扰基站可以独立区分出其所属用户终端的干扰属性，将所服务用户终端划分为受干扰用户终端和正常用户终端两类加以区别调度。所提出的方法，均基于效用函数最大化，使得受干扰用户终端的选择和空白子帧的配置直接与网络吞吐量的提升相联系，同时也兼顾了用户终端调度的公平性。

附图说明

通过阅读以下参照附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。

图1为根据本发明的一个具体实施方式的应用场景示意图；

图2为根据本发明的一个具体实施方式的空白子帧配置示意图；

图3为根据本发明的一个具体实施方式的在异构网络中确定时域空白子帧密度的方法流程图；

图4为根据本发明的一个具体实施方式的在异构网络中的网络设备中确定时域空白子帧密度的装置400的结构示意图；

图5为根据本发明的一个具体实施方式的在异构网络的微基站中确定微蜂窝效用函数的装置500的结构示意图；

图6为基准方法(虚线)和本发明中方法(实线)所得出的全网用户、宏蜂窝用户和微蜂窝用户的速率累积分布曲线。

其中，相同或相似的附图标记表示相同或相似的步骤特征或装置(模块)。

具体实施方式

以下结合附图对本发明的具体实施例进行详细说明。

图1示出了根据本发明的一个具体实施方式的应用场景示意图。为简明起见，图1中仅示出了一个宏基站MeNB、一个微基站PeNB、用户终端UE1到UE8。其中接入微基站PeNB的用户终端UE4、UE5、UE6、UE7和UE8同时也位于宏基站MeNB的覆盖范围中，尤其是用户终端UE6、UE7和UE8离宏基站MeNB较近，受宏基站MeNB干扰的可能性很大。

图3示出了根据本发明的一个具体实施方式的在异构网络中确定时域空白子帧密度的方法流程图。以下结合图1对图3中所示的流程进行详细说明。

首先，在步骤S301中，对于给定的可能的空白子帧密度值，获取在各个空白子帧密度值的情形下，各个宏蜂窝效用函数值，所述宏蜂窝效用函数是空白子帧密度的函数。

对于同步空白子帧机制，因为参与干扰协调的基站均采用相同的空白子帧配置，所以同步模式下的空白子帧的配置就取决于如何确定空白子帧的密度，即在一定的周期内空白子帧的数目。鉴于系统帧结构和时序的约束，实际中可能的空白子帧密度的取值是较为有限的。比如，在3GPP LTE系统的FDD帧结构中，空白子帧的周期被定义为40ms(40子帧)，理论上空白子帧的数目最多有41种取值(0，1，2，......，40)。若进一步考虑到帧结构和时序的约束，以及实现中通常会缩小并限定可选的空白子帧取值集合，实际需要考察的空白子帧数目的取值范围将非常有限。

在一个实施例中，每个宏基站j，如图1中的宏基站MeNB，根据以下公式来设定宏蜂窝效用函数

$U_j^M\left(\mathrm{\α}\right)=\log (1-\mathrm{\α})\×N_{\mathrm{MUE}}^j+U_j^m---\left(1\right)$

其中，α为空白子帧密度，表示宏蜂窝j所服务的用户数目，为不采用空白子帧时的宏蜂窝j的效用函数，为用户终端l的统计期望服务速率，为比例公平调度所产生的多用户分集增益，为用户终端l所属的宏基站到用户终端l的平均链路速率。

接着，在步骤S302中，对于给定的可能的空白子帧密度值，获取在各个空白子帧密度值的情形下，各个微基站的微蜂窝效用函数值，所述微蜂窝效用函数是空白子帧密度的函数。

在一个实施例中，对每个微基站i，根据以下公式来设定微蜂窝效用函数：

$U_i^P\left(\mathrm{\α}\right)=(\log (1-\mathrm{\α})\×N_{P^{+}\mathrm{UE}}^i+U_i^{P+})+(\log \mathrm{\α}\×N_{P^{-}\mathrm{UE}}^i+U_i^{P-})---\left(2\right)$

其中，α为空白子帧密度；为微蜂窝i中在非空白子帧时服务的用户终端数目；为微蜂窝i中在空白子帧时服务的用户终端数目，也即受干扰的用户终端数目；为非空白子帧时微蜂窝i的效用函数，为用户终端m的统计期望服务速率，为比例公平调度所产生的多用户分集增益；为用户终端m所属的微基站到用户终端m的平均链路速率；为空白子帧时受干扰微蜂窝i的效用函数；为用户终端n的统计期望服务速率；为比例公平调度所产生的多用户分集增益；为用户终端n所属的微基站到用户终端n的平均链路速率。

需要说明的是，对于每个微基站i，在给定的空白子帧密度下，与的确定，可以采用如上文所述的将不满足预判条件的用户终端确定为受干扰的用户终端，也即在空白子帧时服务的用户终端。预判条件可设为大尺度接收信干噪比或信号接收功率与干扰功率之差高于预定阈值。如图1所示，微基站PeNB根据预判条件将用户终端UE8确定为受干扰的用户终端。

需要说明的是预判条件可以有很多种，不限于上文所述，例如将所有微蜂窝用户终端都看作受干扰用户终端，或者将服务优先级高于某一级别的用户终端看作受干扰用户终端等。这取决于微蜂窝的策略和调度。

可选地，在另一个实施例中，对于每个微基站i，在给定的空白子帧密度下，可采用动态规划(dynamic programming)算法来确定与

在另一个实施例中，对于每个微基站i，在给定的空白子帧密度下，先将不满足预判条件的用户终端确定为受干扰的用户终端，然后利用动态规划算法对剩下的用户终端进行再选择。如图1所示，微基站PeNB根据预判条件将用户终端UE8确定为受干扰的用户终端；然后利用动态规划算法，进一步将用户终端UE6、UE7确定为受干扰的用户终端。

下面对上述两种利用动态规划算法对用户终端进行区分的过程进行详细说明。有关动态规划算法的一般性概念，可参考《(算法设计与分析》(张德富，国防工业出版社，2009-8-1)的第6章动态规划，在此不再赘述。

微基站i将不满足预判条件的用户终端确定为受干扰的用户终端，其数目为这些预判用户终端集合所具有效用函数为

$U_{i0}^P\left(\mathrm{\α}\right)=(\log \mathrm{\α}\×N_{P_0^{-}\mathrm{UE}}^i+\underset{n=1}{\overset{N_{P_0^{-}\mathrm{UE}}^i}{\mathrm{\Σ}}}\log \left(R_n^i\right)),$ 其中， $R_n^i=\frac{r_n^i}{N_{P_0^{-}\mathrm{UE}}^i}\·G\left(N_{P_0^{-}\mathrm{UE}}^i\right),$ $G\left(N_{P_0^{-}\mathrm{UE}}^i\right)=\underset{n=1}{\overset{N_{P_0^{-}\mathrm{UE}}^i}{\mathrm{\Σ}}}1/n.$

定义其中为微基站i所服务的用户终端数目

动态规划算法-最优的用户选择(对于给定的密度α和微蜂窝i)

输入： $\{r_m^i,r_n^i,\∀m,n\∈1,...K\},U_{i0}^P\left(\mathrm{\α}\right)$

输出：以及相应的用户选择结果

伪代码：

初始化： $U_{i\max }^P\left(\mathrm{0,0}\right|\mathrm{\α})=U_i^P\left(\mathrm{0,0}\right|\mathrm{\α})=0,$ 如果 $N_{P_0^{-}\mathrm{UE}}^i=0;$

$U_{i\max }^P\left(\mathrm{0,0}\right|\mathrm{\α})=U_i^P\left(\mathrm{0,0}\right|\mathrm{\α})=U_{i0}^P\left(\mathrm{\α}\right),$ 如果 $N_{P_0^{-}\mathrm{UE}}^i\≠0;$

遍历k从1到K，(s1)

对于所有的m，n∈0，...k   (s2)

如果m+n＝k   (s3)

计算记录相应的用户选择结果

$\begin{array}{c}{U}_{i\max }^P(m,n|\mathrm{\α})\\ =\max \left\{U_i^P(m,n|\mathrm{\α})\right\}\\ =\max \left\{\begin{array}{c}{U}_{i\max }^P(m-1,n|\mathrm{\α})+\log [(1-\mathrm{\α})R_m^i\·\frac{{(m-1)}^{m-1}G{\left(m\right)}^m}{{\left(m\right)}^{m}G{(m-1)}^{m-1}}]\\ U_{i\max }^P(m,n-1|\mathrm{\α})+\log [\mathrm{\α}{R}_n^i\·\frac{{(n-1)}^{n-1}G{\left(n\right)}^n}{{\left(n\right)}^{m}G{(n-1)}^{n-1}}]\end{array}\right.\end{array}$

END(s3)

END(s2)

END(s1)

计算并输出 $U_{i\max }^P\left(\mathrm{\α}\right)=\max \left\{U_{i\max }^P(m,n|\mathrm{\α})\right|m+n=K\}$ 及其相应的用户终端选择结果，该相应的用户终端选择结果包括正常用户终端数目以及受干扰用户终端数目以及每个微蜂窝用户终端的属性(正常或受干扰)。

需要说明的是，在步骤S302中，如果不采用动态规划算法，而是直接遍历用户终端组合的所有可能性，也可以得出最优解，但此法计算量较大。

回到图3，最后，在步骤S303中，确定使得各个微蜂窝效用函数与各个宏蜂窝效用函数之和取值最大的那个空白子帧密度值为最优空白子帧密度值。

根据全网用户服务速率的比例公平原则，定义如下的网络效用函数U，其是宏蜂窝效用函数和微蜂窝效用函数之和：

U＝U^M+U^P

其中，为网络宏蜂窝效用函数，即所有宏蜂窝效用函数之和；网络微蜂窝效用函数，即所有微蜂窝效用函数之和。使得U取值最大的空白子帧密度即为最优空白子帧密度值。

需要说明的是图3中所示的三个步骤S301至S303，可以采取集中式的实现方法，在任一个网络设备中完成，如宏基站、微基站或者上层的网络管理设备，接入网关等。各个宏基站和微基站计算其自身在各个空白子帧密度值下的效用函数值，然后，网络设备获取各个宏基站和微基站在各个空白子帧密度值下的效用函数值，然后该网络设备执行步骤S303，确定最优空白子帧密度值，最后将最优空白子帧密度值通知所述异构网络中的各个微基站和宏基站。

在另一个实施例中，步骤S301至S303的实现，也可以采取分布式的实现方法，异构网络中的每个宏基站和微基站都计算其自身在各个空白子帧密度值下的效用函数值，并获取其他基站(包括宏基站和微基站)在各个空白子帧密度值下的效用函数值，然后执行步骤S303，得出最优空白子帧密度值。

图4示出了根据本发明的一个具体实施方式的在异构网络中的网络设备中确定时域空白子帧密度的装置400的结构示意图。异构网络包括至少一个宏基站和至少一个微基站，该装置400包括第一获取装置401，第二获取装置402和最优确定装置403，可选地，装置400还包括一个通知装置404。

第一获取装置401获取对于给定的可能的空白子帧密度值，获取在各个空白子帧密度值的情形下，各个宏蜂窝效用函数值，所述宏蜂窝效用函数是空白子帧密度的函数。第二获取装置402对于给定的可能的空白子帧密度值，获取在各个空白子帧密度值的情形下，各个微基站的微蜂窝效用函数值，所述微蜂窝效用函数是空白子帧密度的函数。最优确定装置403确定使得各个微蜂窝效用函数与各个宏蜂窝效用函数之和取值最大的那个空白子帧密度值为最优空白子帧密度值。

可选地，通知装置404将最优空白子帧密度值通知所述异构网络中的各个微基站和宏基站。

需要说明的是，装置400可位于宏基站MeNB中，微基站PeNB中或其它网络管理设备中(图1中未示出)。

图5示出了根据本发明的一个具体实施方式的在异构网络的微基站中确定微蜂窝效用函数的装置500的结构示意图。该装置500包括第一确定装置501。可选地，装置500还可包括第二确定装置502。以下结合图1，对于位于微基站PeNB中的装置500的工作过程进行详细描述。

首先，第一确定装置501根据上文的公式(2)来确定微蜂窝效用函数。

可选地，第二确定装置502根据动态规划算法来确定受干扰的用户终端集合。在另一个实施例中，第二确定装置502还用于在动态规划算法来确定受干扰的用户终端集合之前，将不满足预判条件的用户终端确定为受干扰的用户终端。

为了直观阐述本发明方法的有效性，下面通过系统级实验仿真来加以验证。所采用的系统级实验环境是符合3GPP LTE-A仿真框架的宏蜂窝加室外微蜂窝的部署场景，基本网络参数如表1所示。采用基于偏差值(12dB)的最大下行接收功率作为用户接入准则(即微蜂窝覆盖扩展)，确保微基站所服务的用户数目。假定空白子帧配置周期为10ms，即10个子帧。

出于性能对比的需要，采用如下的方法作为仿真比较基准：1)将微蜂窝中控制信道RSRQ＜-8dB的用户归为受干扰用户；2)计算网络中受干扰用户数目与全部用户数目的比例，根据该比例值确定空白子帧的密度(根据大拇指准则，空白子帧的密度应该与受干扰用户的比例呈正比)；3)与本发明中方法一样，受干扰用户终端调度在空白子帧，正常用户终端调度在非空白子帧。

在仿真示例中，基准方法中所得出的受干扰用户的比例是13.71％，故而将其空白子帧密度设为0.1。本发明方法所得出的最优的空白子帧密度是0.2，受干扰用户的比例是20.38％。受干扰用户比例的提升，源于本发明方法中的受干扰用户的二次选择。

图6示出了基准方法(虚线)和本发明中方法(实线)所得出的全网用户、宏蜂窝用户和微蜂窝用户的速率累积分布曲线。表2记录了与图6中累积分布曲线相对应的边缘速率(对应于累积分布函数的5％处)、中值速率(对应于累积分布函数的50％处)和均值速率。不难看出，相比于基准方法，本发明方法可以显著地提高微蜂窝用户和全网用户的三项速率指标，具体地，微蜂窝用户的边缘速率、中值速率和平均速率分别提高了67.52％、41.77％和28.86％，全网用户的边缘速率、中值速率和平均速率分别提高了6.14％、2.48％和10.48％。同时，本发明方法所得到的网络效用函数值(采用如公式(1)～(2)所示的用户速率的对数和作为效用函数)也明显优于基准方法的结果(效用函数值越大说明网络性能与用户公平性越好)。需要指出的是，由于本发明方法中的空白子帧密度高于基准方法，宏蜂窝用户的三项速率指标会有所下降。这也说明本发明方法的优化结果是对宏蜂窝用户、微蜂窝用户和全网用户三个方面的平衡。

表1 系统仿真参数

表2 归一化用户速率(比特/秒/赫兹/用户)

任何不背离本发明精神的技术方案均应落入本发明的保护范围之内。此外，不应将权利要求中的任何附图标记视为限制所涉及的权利要求；“包括”一词不排除其它权利要求或说明书中未列出的装置或步骤；装置前的“一个”不排除多个这样的装置的存在；在包含多个装置的设备中，该多个装置中的一个或多个的功能可由同一个硬件或软件模块来实现；“第一”、“第二”、“第三”等词语仅用来表示名称，而并不表示任何特定的顺序。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在所附权利要求的范围内做出各种变形或修改。

Claims (13)

1.一种在异构网络中确定时域空白子帧密度的方法，所述异构网络包括至少一个宏基站和至少一个微基站，该方法包括以下步骤：

A.对于给定的可能的空白子帧密度值，获取在各个空白子帧密度值的情形下，各个宏蜂窝效用函数值，所述宏蜂窝效用函数是空白子帧密度的函数，其中，对每个宏基站j，根据以下公式来设定宏蜂窝效用函数

$U_j^M\left(\mathrm{\α}\right)=\log (1-\mathrm{\α})\×N_{\mathrm{MUE}}^j+U_j^m,$

其中，α为空白子帧密度，表示宏蜂窝j所服务的用户终端数目，为不采用空白子帧时的宏蜂窝j的效用函数，为用户终端l的统计期望服务速率，为比例公平调度所产生的多用户分集增益，为用户终端l所属的宏基站到用户终端l的平均链路速率；

B.对于给定的可能的空白子帧密度值，获取在各个空白子帧密度值的情形下，各个微基站的微蜂窝效用函数值，所述微蜂窝效用函数是空白子帧密度的函数，其中，对每个微基站i，根据以下公式来设定微蜂窝效用函数

$U_i^P\left(\mathrm{\α}\right)=(\log (1-\mathrm{\α})\×N_{P^{+}\mathrm{UE}}^i+U_i^{P+})+(\log \mathrm{\α}\×N_{P^{-}\mathrm{UE}}^i+U_i^{P-}),$

其中，α为空白子帧密度；为微蜂窝i中在非空白子帧时服务的用户终端数目；为微蜂窝i中在空白子帧时服务的用户终端数目，也即受干扰的用户终端数目；为非空白子帧时微蜂窝i的效用函数，为用户终端m的统计期望服务速率，为比例公平调度所产生的多用户分集增益；为用户终端m所属的微基站到用户终端m的平均链路速率；为空白子帧时受干扰微蜂窝i的效用函数；为用户终端n的统计期望服务速率；为比例公平调度所产生的多用户分集增益；为用户终端n所属的微基站到用户终端n的平均链路速率；

C.确定使得各个微蜂窝效用函数与各个宏蜂窝效用函数之和取值最大的那个空白子帧密度值为最优空白子帧密度值。

2.根据权利要求1所述的方法，其中，还包括以下步骤：

D.将所述最优空白子帧密度值通知所述异构网络中的各个微基站和宏基站。

3.根据权利要求1所述的方法，其中，还包括以下步骤：

C2.所述微基站根据动态规划算法来确定受干扰的用户终端集合。

4.根据权利要求3所述的方法，其中，在所述步骤C2前还包括以下步骤：

C1.所述微基站将不满足预判条件的用户终端确定为受干扰的用户终端。

5.一种在异构网络的微基站中确定微蜂窝效用函数的方法，所述异构网络包括至少一个宏基站和至少一个微基站，对每个微基站i，根据以下公式来确定微蜂窝效用函数

$U_i^P\left(\mathrm{\α}\right)=(\log (1-\mathrm{\α})\×N_{P^{+}\mathrm{UE}}^i+U_i^{P+})+(\log \mathrm{\α}\×N_{P^{-}\mathrm{UE}}^i+U_i^{P-}),$

其中，α为空白子帧密度；为微蜂窝i中在非空白子帧时服务的用户终端数目；为微蜂窝i中在空白子帧时服务的用户终端数目，也即受干扰的用户终端数目；为非空白子帧时微蜂窝i的效用函数，为用户终端m的统计期望服务速率，为比例公平调度所产生的多用户分集增益；为用户终端m所属的微基站到用户终端m的平均链路速率；为空白子帧时受干扰微蜂窝i的效用函数；为用户终端n的统计期望服务速率；为比例公平调度所产生的多用户分集增益；为用户终端n所属的微基站到用户终端n的平均链路速率。

6.根据权利要求5所述的方法，其中，还包括以下步骤：

C2.所述微基站根据动态规划算法来确定受干扰的用户终端集合。

7.根据权利要求6所述的方法，其中，在所述步骤C2前还包括以下步骤：

C1.所述微基站将不满足预判条件的用户终端确定为受干扰的用户终端。

8.一种在异构网络的网络设备中确定时域空白子帧密度的装置，所述异构网络包括至少一个宏基站和至少一个微基站，该装置包括：

第一获取装置，用于获取对于给定的可能的空白子帧密度值，获取在各个空白子帧密度值的情形下，各个宏蜂窝效用函数值，所述宏蜂窝效用函数是空白子帧密度的函数，其中，对每个宏基站j，根据以下公式来设定宏蜂窝效用函数

$U_j^M\left(\mathrm{\α}\right)=\log (1-\mathrm{\α})\×N_{\mathrm{MUE}}^j+U_j^m,$

其中，α为空白子帧密度，表示宏蜂窝j所服务的用户终端数目，为不采用空白子帧时的宏蜂窝j的效用函数，为用户终端l的统计期望服务速率，为比例公平调度所产生的多用户分集增益，为用户终端l所属的宏基站到用户终端l的平均链路速率；

第二获取装置，用于对于给定的可能的空白子帧密度值，获取在各个空白子帧密度值的情形下，各个微基站的微蜂窝效用函数值，所述微蜂窝效用函数是空白子帧密度的函数，其中，对每个微基站i，根据以下公式来设定微蜂窝效用函数

$U_i^P\left(\mathrm{\α}\right)=(\log (1-\mathrm{\α})\×N_{P^{+}\mathrm{UE}}^i+U_i^{P+})+(\log \mathrm{\α}\×N_{P^{-}\mathrm{UE}}^i+U_i^{P-}),$

其中，α为空白子帧密度；为微蜂窝i中在非空白子帧时服务的用户终端数目；为微蜂窝i中在空白子帧时服务的用户终端数目，也即受干扰的用户终端数目；为非空白子帧时微蜂窝i的效用函数，为用户终端m的统计期望服务速率，为比例公平调度所产生的多用户分集增益；为用户终端m所属的微基站到用户终端m的平均链路速率；为空白子帧时受干扰微蜂窝i的效用函数；为用户终端n的统计期望服务速率；为比例公平调度所产生的多用户分集增益；为用户终端n所属的微基站到用户终端n的平均链路速率；

最优确定装置，用于确定使得各个微蜂窝效用函数与各个宏蜂窝效用函数之和取值最大的那个空白子帧密度值为最优空白子帧密度值。

9.根据权利要求8所述的装置，其中，还包括：

通知装置，用于将所述最优空白子帧密度值通知所述异构网络中的各个微基站和宏基站。

10.根据权利要求8所述的装置，其中，所述网络设备包括宏基站，微基站或其它网络管理设备。

11.一种在异构网络的微基站中确定微蜂窝效用函数的装置，所述异构网络包括至少一个宏基站和至少一个微基站，该装置包括第一确定装置，用于对每个微基站i，根据以下公式来确定微蜂窝效用函数

$U_i^P\left(\mathrm{\α}\right)=(\log (1-\mathrm{\α})\×N_{P^{+}\mathrm{UE}}^i+U_i^{P+})+(\log \mathrm{\α}\×N_{P^{-}\mathrm{UE}}^i+U_i^{P-}),$

其中，α为空白子帧密度；为微蜂窝i中在非空白子帧时服务的用户终端数目；为微蜂窝i中在空白子帧时服务的用户终端数目，也即受干扰的用户终端数目；为非空白子帧时微蜂窝i的效用函数，为用户终端m的统计期望服务速率，为比例公平调度所产生的多用户分集增益；为用户终端m所属的微基站到用户终端m的平均链路速率；为空白子帧时受干扰微蜂窝i的效用函数；为用户终端n的统计期望服务速率；为比例公平调度所产生的多用户分集增益；为用户终端n所属的微基站到用户终端n的平均链路速率。

12.根据权利要求11所述的装置，其中，还包括：

第二确定装置，用于根据动态规划算法来确定受干扰的用户终端集合。

13.根据权利要求12所述的装置，其中，所述第二确定装置还用于在动态规划算法来确定受干扰的用户终端集合之前，将不满足预判条件的用户终端确定为受干扰的用户终端。